Spatio-temporal Wikidata. Exploration de données ouvertes et liées du web 3.0

Histoire de cadre : élaboration d’une trajectoire spatio-temporelle

Raphaëlle KRUMMEICH (IDEES, UMR6266 - université de Rouen Normandie, CNRS)

Hugues PECOUT (Géographie-cités, UMR8504 - CNRS)

Sébastien REY-COYREHOURCQ (IDEES, UMR6266 - université de Rouen Normandie, CNRS)

featured

Cette fiche est le fruit d’un dialogue interdisciplinaire entre membres du GT Notebook initié dans le cadre d’un atelier proposé à la Journée d’études normande sur les données de la recherche qui s’est déroulée en décembre 2021. L’association de plusieurs compétences et disciplines a abouti à ce notebook présentant une analyse exploratoire reproductible de données ouvertes et liées d’un fragment de graphe Wikidata, interrogeables sous la forme de triplets RDF. Les enjeux d’un tel processus inter-disciplinaire sont esquissés en conclusion. Une ébauche des requêtes SPARQL élaborées a fait l’objet d’une présentation et d’échanges au sein des Ateliers du Web Sémantique au printemps 2021.

Introduction

Cette fiche présente une exploration du graphe Wikidata (cf. parties 1.2 et 3) et le traitement des données extraites (cf. parties 2 et 4).

Du requêtage en langage SPARQL (cf. partie 1.3) au traitement et à la représentation des données issues du graphe Wikidata, ce document présente, étape par étape, l’ensemble de la chaîne de traitement réalisée. Le processus exploratoire, parfois itératif, a été conservé afin de mieux comprendre l’approche réflexive des auteurs et autrice. Le notebook retranscrit les démarches scientifique et méthodologique adoptées.

Le schéma organisant ces données est esquissé dans la partie 1. Afin de permettre une reproduction des traitements et des résultats présentés, les données automatiquement collectées au 05 juillet 2023 et utilisées dans ce document sont mises à disposition (cf. partie 2.2). L’idée de départ conduit à la démarche suivante en 3 étapes :

  • requêter les données (ou suivre des chemins) du graphe Wikidata,
  • identifier certaines des modalités du graphe pouvant comporter une dimension spatiale et temporelle et ainsi,
  • reconstruire et représenter une ou des trajectoires dans le temps et l’espace.

Compte-tenu du formalisme et de l’hétérogénéïté des données non supervisées de Wikidata, deux images d’objet (Hui (2015)) sont choisies pour l’étude : un artiste-peintre et une de ses peintures, exposée au sein de musées ou d’institutions culturelles dans le monde. Pour reproduire partiellement l’expérimentation, un exemple d’exploration du graphe Wikidata pour diverses images d’artistes-peintres est proposée dans la partie 7.

> NB : le terme “image” utilisé dans ce document correspond à une sémantique de l’objet physique dans l’espace numérique, sous la forme de données et de métadonnées en relation avec d’autres images d’objet (Hui (2015)). En ce sens, les œuvres elles-mêmes, photographiées ou scannées etc., sont désignées sous ces formes (fichiers .jpg .png etc.), par le terme d’“illustration” ou de fichiers. Pour simplifier le discours, l’image d’objet est désignée par l’objet lui-même : par exemple, l’image du peintre Johannes Vermeer, l’entité wikidata de valeur Q41264 définie par ses relations, est identifiée au peintre lui-même.

1 Wikimédia, Wikidata & W3C

1.1 Données ouvertes et liées du graphe Wikidata

Wikidata est une base de connaissances libre, éditée de manière collaborative et hébergée par la fondation Wikimedia. Son contenu étant placé sous licence CC0 (« Transfert dans le Domaine Public »), elle permet de centraliser l’accès aux données utilisées par différents projets Wikimedia (Wikipédia (2021)).

Les informations saisies dans Wikidata sont des données ouvertes “brutes” multilingues non-supervisées qui sont liées, notamment aux articles de l’encyclopédie contributive Wikipedia. Wikidata est à différencier de l’ontologie DBpedia1 (voir figure 1).
Figure 1 : Principales différences entre des données Wikipedia (DBpedia) et des données Wikidata. Dbpedia est la façon dont Wikipedia est traduit en dépôts de triplets RDF statique.
Source : Wikidata-Basics | Wikidata Hackathon event for the Festival of Creative Learning, 2018


La base Wikidata fournit un support à de nombreux autres sites et services au-delà des seuls projets de Wikimedia. Son contenu est exporté dans des formats standards et peut être lié ou aligné à d’autres ensembles de données ouvertes sur le Web des données2. Wikidata offre ainsi un large domaine d’informations générales sur notre univers ou ses représentations et des liens vers d’autres graphes ou bases de données. Il contient à ce jour plus de 100 millions d’items.

1.2 Standard RDF du W3C

Le RDF est un cadre général de modélisation utilisé pour décrire formellement les ressources du Web via leurs métadonnées afin de permettre le traitement par inférence de telles descriptions. Développé par le W3C, le RDF est le formalisme de base du Web sémantique.

Au sein de ce paradigme, un document ou une ressource consiste en un ensemble de triplets3, chacun associant un sujet, un prédicat et un objet :
- le «sujet» représente la ressource à décrire,
- le «prédicat» représente un type de propriété applicable à cette ressource,
- l’«objet» représente une donnée, une autre ressource ou une valeur associée à la propriété (ou prédicat).
Le sujet et l’objet, dans le cas où ce sont des ressources, peuvent être identifiés par un identifiant unique de la ressource (URI4), une valeur ou être des nœuds anonymes. Le prédicat est nécessairement identifié par un URI. Par exemple, la déclaration “Bob s’intéresse à Mona Lisa” est formalisée de la manière suivante :
Figure 2 : Exemple de représentation des composantes génériques d’un triplet RDF.
Source : W3C

Un dépôt de triplets RDF ainsi formé correspond à un multigraphe orienté étiqueté : chaque triplet correspond alors à une arête orientée dont l’étiquette est le prédicat, le nœud source est le sujet et le nœud cible est l’objet (voir figure 3).
Figure 3 : Exemple de graphe formé par plusieurs triplets RDF.
Source : W3C


Plusieurs méthodes permettent d’accéder à ces données. Dans ce notebook, nous utilisons un accès au graphe de Wikidata mobilisant quelques éléments du langage de requête SPARQL. L’usage de ce langage de requête spécifique est déployé à l’aide de deux packages :

  • le package wikidataR (et son extension WikidataQueryServiceR) permet d’écrire la requête dans le langage SPARQL pour le déployer au sein du graphe Wikidata selon ses spécificités,
  • le package glitter permet d’écrire ces requêtes pour sonder divers graphes, dont Wikidata, sans utiliser les termes de la syntaxe SPARQL.

1.3 Le langage SPARQL

SPARQL5 (prononcé sparkle, en anglais : « étincelle ») est à la fois un langage de requête et un protocole qui permettent de rechercher, d’ajouter, de modifier ou de supprimer des triplets RDF disponibles à travers le Web. Aujourd’hui, le Web de données (représenté par le nuage du Linked Open Data ou ses domaines) est interrogeable via des centaines de services SPARQL qui mettent à disposition de plus en plus de graphes de données ouvertes et liées comme c’est le cas du projet plurilingue Wikidata (Wikipédia (2022)).

Dans ce notebook, quelques requêtes de base permettant d’interroger la base de données Wikidata utilisent les éléments suivants :

  • la clause SELECT des données interrogées qui renvoit les variables spécifiques (ou avec COUNT qui renvoit le nombre des ces données ou GROUP_CONCAT qui les concatène au sein d’une collection, regroupées par GROUP BY et triées par ORDER BY),
  • accompagnée de la clause WHERE { } qui les lie à l’interrogation de propriétés et données associées, suivant les chemins du graphe,
  • un service WikiLabel spécifique au point d’accès Wikidata Query Service, du fait du caractère plurilingue de certaines données du graphe Wikidata, permettant de choisir la langue du label (wikibase:language) associé à l’entité ou la propriété recherchée,
  • la fonctionnalité OPTIONAL de la clause WHERE qui permet de renvoyer les variables même si les données liées aux propriétés ne sont pas instanciées (noeuds vides),
  • et les différents préfixes associés aux spécificités des propriétés simples, directes et indirectes etc. des fragments de graphe de Wikidata (+d’info).

Afin de permettre une bonne compréhension des requêtes réalisées pour la collecte de données sans entrer dans le détail de la syntaxe propre à SPARQL, celles-ci soont formulées de la manière suivante (les éléments en italique ne sont pas nécessaires) :


SELECT données interrogées, comptage ou concatenage WHERE { chemins principaux du graphe, service Wikilabel, filtre, chemins optionnels ou secondaires du graphe } groupe et ordonne


A cette forme, s’ajoute une forme spécifique permettant d’interroger le graphe lui-même pour connaître les relations d’une entité sujet connue :


SELECT prédicats, objets WHERE { entité prédicats objets }


2 Packages et données

2.1 Packages utilisés

Les packages utilisés pour réaliser l’ensemble de la chaîne de traitement présenté dans ce document sont les suivants :
- WikidataR et WikidataQueryServiceR: fournissent une Interface de Programmation d’Application (API) pour le service de requêtes Wikidata;
- glitter : écrit et envoie des requêtes SPARQL sans en connaître la syntaxe;
- rnaturalearth : met à disposition les données géographiques de Natural Earth;
- sf : permet la gestion et la manipulation de données géographiques;
- dplyr : facilite la manipulation de données;
- mapview : produit des cartes interactives en utilisant la librairie JavaScript Leaflet;
- tmap : produit de cartes thématiques;
- ggplot2 : permet la production de graphiques basés sur la grammaire graphique;
- av : génère des vidéos à partir d’images ou de graphiques R;
- patchwork : combine facilement plusieurs graphiques ggplot2;
- jpeg : importe, enregistre et affiche des images matricielles (format bitmap);
- DT : met en forme dynamique (HTML) des tableaux de données (bibliothèque javascript DataTables).

Vous pouvez utiliser les lignes de code suivantes pour installer ces packages : elles permettent de n’installer que les packages nécéssaires qui ne sont pas déjà installés sur votre machine :

# Liste des packages du CRAN nécessaires
liste_packages <- c("WikidataR",
                    "WikidataQueryServiceR",
                    "remotes",
                  "rnaturalearth",
                  "sf",
                  "dplyr",
                  "mapview",
                  "tmap",
                  "ggplot2",
                  "av",
                  "patchwork",
                  "jpeg", 
                  "DT")

# Packages à installer
liste_packages_a_installer <- liste_packages[!(liste_packages %in% installed.packages()[,"Package"])]

# Installation des packages manquants
install.packages(liste_packages_a_installer)
# Pour installer le *package* `glitter` sur GitHub (https://github.com/lvaudor/glitter/), mettre l'option eval = TRUE :

install.packages("remotes")
remotes::install_github("lvaudor/glitter")


2.2 Données collectées

Plusieurs sources de données sont utilisées pour ce travail exploratoire :

  1. des données issues du graphe Wikidata,
  2. une couche géographique Natural Earth,
  3. et un fonds de carte mis à disposition par Leaflet.
Afin de maximiser la reproductibilité du code présenté, les jeux de données 1 et 2 ont été archivés et sont disponibles au téléchargement :


Télécharger les données



Wikidata est un graphe de données ouvertes et liées, régulièrement mis à jour. Une requête réalisée à deux dates différentes est susceptible de renvoyer un résultat différent.



3 Exploration du graphe Wikidata

Le service de collecte des données de Wikidata en langage SPARQL offre une solution très complète en première approche (exemples, assistant de requêtes, diversité des représentations etc.). Toutefois, dans une dynamique d’exploration du graphe Wikidata, l’utilisation de R facilite la compréhension, l’archivage et la reproductibilité des différentes requêtes spécifiques réalisées. Pour cette raison, nous utilisons le package WikidataR ou alternativement WikidataQueryServiceR qui est un package ayant des fonctionnalités plus développées, ainsi que la version en développement de glitter.

WikidataR est développé par Thomas Shafee, Os Keyes, Serena Signorelli, Alex Lum, Christian Graul et Mikhail Popov (développeur de WikidataQueryServiceR), membre de la Fondation Wikimédia. Il est maintenu par Thomas Shafee de l’université australienne La Trobe de l’état Victoria. glitterest développé notamment par Lise Vaudor, ingénieure de recherche à l’ENS Lyon.

3.1 Modèle des données : artistes-peintres et trajectoires de leurs œuvres

Dans Wikidata, les peintres, peintures, collections et lieux d’exposition, et leurs coordonnées spatiales et temporelles sont modélisés selon les fragments de graphes (XML, json, turtle etc.) représentés ci-dessous (Figures 4 et 6). Ceux-ci comprennent des classes instanciées (domaine et co-domaine) liées entre elles par des prédicats, mobilisant une syntaxe spécifique associée à chaque espace de nom, les préfixes6 :


prédicat = préfixe:propriété
domaine/co-domaine = préfixe:entité


Le fragment de graphe de l’image Wikidata d’une peinture, objet du processus exploratoire, est illustré sous la forme d’un tableau en figure 6b. Pour plus d’informations, vous pouvez consulter l’introduction à Wikidata ou la page Wikibase dédiée au formalisme du Ressource Description Framework (RDF) du dépôt de données Wikidata.

Après plusieurs explorations, nous avons décidé de nous intéresser, dans une première étape, au peintre néerlandais du 17e siècle, Johannes Vermeer. Au sein du package WikidataR, une fonction simple permet d’interroger le graphe à partir d’une chaîne de caractère. Par exemple, il est possible de collecter les entités (item) correspondant à la chaîne de caractère “Johannes Vermeer” ou les propriétés (properties) associées à celle de “peintre” :

# Package API du CRAN pour interroger le dépôt Wikidata : WikidataR
 library(WikidataR)
## Chercher les entités du graphe Wikidata correspondant à "Johannes Vermeer"
resultat_item <- find_item("Johannes Vermeer")
## Chercher les propriétés du graphes correspondant à "peintre"
resultat_property <- find_property("peintre")
# Affiche le résultat
resultat_item

    Wikidata item search

Number of results:   10 

Results:
1    Johannes Vermeer (Q41264) - Dutch painter (1632–1675) 
2    Jan Vermeer van Haarlem the Elder (Q3159680) - painter from the Northern Netherlands and father of Barend, Isaac, and Jan Vermeer or van der Meer II (1628-1691) 
3    Johannes Vermeer (Q15283995) - art exhibition 
4    Johannes Vermeer (Q102229722) - Ph.D. Vrije Universiteit Amsterdam 1983 
5    Johannes Vermeer (Q2164464) - international train between Amsterdam and Cologne 
6    Johannes Vermeer (Q19280548) - street in Ouderkerk aan de Amstel, the Netherlands 
7    Johannes Vermeer catalog raisonné, 1908 (Q26235177) - catalog raisonné of Vermeer works by Cornelis Hofstede de Groot 
8    Johannes Vermeer Award (Q2141982) - Dutch art award 
9    Johannes Vermeerstraat (Q1951387) - street in Amsterdam, the Netherlands 
10   Jan Vermeer van Haarlem (ca.1600-1670) (Q28736462) - Dutch art dealer, distiller, and possibly landscapist, ca. 1600-1670, father and grandfather of well-known painters 
resultat_property

    Wikidata property search

Number of results:   1 

Results:
1    creator (P170) - maker of this creative work or other object (where no more specific property exists) 

Une seule entité de valeur Q41264 parmi les dix collectées semble correspondre à l’image au sens de (Hui 2015)) de l’objet Johannes Vermeer, le peintre recherché. Le résultat de la requête find_item est composé d’un ensemble d’informations ($id, $repository etc., voir ci-dessous).

as(resultat_item[[1]],"list")
$id
[1] "Q41264"

$title
[1] "Q41264"

$pageid
[1] 43555

$display
$display$label
$display$label$value
[1] "Johannes Vermeer"

$display$label$language
[1] "en"


$display$description
$display$description$value
[1] "Dutch painter (1632–1675)"

$display$description$language
[1] "en"



$repository
[1] "wikidata"

$url
[1] "//www.wikidata.org/wiki/Q41264"

$concepturi
[1] "http://www.wikidata.org/entity/Q41264"

$label
[1] "Johannes Vermeer"

$description
[1] "Dutch painter (1632–1675)"

$match
$match$type
[1] "label"

$match$language
[1] "en"

$match$text
[1] "Johannes Vermeer"

Le champ match correspond à la chaîne de caractère recherchée : il est de $type label, en$language en, sous forme de $text Johannes Vermeer.
La propriété associée au peintre (P170) semble être celle liant un créateur à son œuvre ou autre objet. Le champ $match est une forme textuelle, de type alias en langue française :

resultat_property[[1]]$match
$type
[1] "alias"

$language
[1] "fr"

$text
[1] "peintre"

Ces premières investigations du graphe permettent de comprendre que pour collecter de manière précise des données spatio-temporelles associées aux œuvres créées par Johannes Vermeer, les modalités d’interrogation du fragment de graphe se complexifient.

3.2 Trouver l’identifiant Wikidata d’un peintre (1ère requête SPARQL)

Nous interrogeons le graphe Wikidata concernant le peintre Johannes Vermeer, instance de Wikidata (classe d’objet P31), qui est un humain (Q5) répondant à la catégorie commune (P373) “Johannes Vermeer” selon le schéma simplifié proposé dans la figure 4.

Figure 4 : Schéma des triplets de données d’entrée et de sortie du fragment de graphe Wikidata exploré. La clause SELECT s’applique aux éléments figurés en données en sortie. Les propriétés et objets associés (en entrée ou sortie), c’est-à-dire les chemins du graphe, sont insérés dans l’accollade de WHERE.


A l’aide de la fonction query_wikidata du package WikidataR ou alternativement des fonctions du package glitter, nous commençons dans un premier temps par obtenir l’illustration associée à Johannes Vermeer (renseignée par la propriété P18), avec la requête SPARQL suivante :

#---
# Package API du CRAN pour interroger le dépôt Wikidata : WikidataR
 library(WikidataR)

## Chercher les entités du graphe Wikidata
 #- Définir les données recherchées
  id_wikidata <- paste("?identifiant")
  donnee_image <- paste("?image")
  
donnees_interrogees <- paste(id_wikidata,donnee_image)
 
## Construire les chemins du graphe

 #- Définir les entités wikidata utilisées : un humain (Q5)
  id_humaine <- paste0("Q5")
 #- Préfixe d'entité utilisé
  prefixe_entite <- paste("wd:")

 #- Définir la classe utilisée
  entite_humaine <- paste0(prefixe_entite,id_humaine)

 #- Définir les propriétés utilisées
  propriete_type <- paste("P31")
  propriete_categorie <- paste("P373")
  propriete_image <- paste("P18")
 #- Préfixe de propriété utilisé
  prefixe_propriete_simple <- paste("wdt:")
 
 #- Définir les prédicats utilisés
  predicat_type <- paste0(prefixe_propriete_simple,propriete_type)
  predicat_categorie <- paste0(prefixe_propriete_simple,propriete_categorie)
  predicat_image <- paste0(prefixe_propriete_simple,propriete_image)
 
 #- Chemins du graphe
  chemin_principal <- paste(id_wikidata,predicat_type,entite_humaine)
  chemin_categorie <- paste(id_wikidata,predicat_categorie,"'Johannes Vermeer'")
  chemin_image <- paste(id_wikidata,predicat_image,donnee_image)
  
chemins_du_graphe <- paste(chemin_principal,".",chemin_categorie,".",chemin_image)

## Construire la requête
query <- paste("SELECT",donnees_interrogees,"WHERE {",chemins_du_graphe,"}")
 
## Exécuter la requête
data1w <- query_wikidata(query)

#--- 
# Package API en développement pour interroger un dépôt RDF sans connaître la syntaxe SPARQL : glitter
library(glitter)
  
## Initier la requête et stocker le résultat dans data1
 data1 <- spq_init() |>
## Ajouter les chemins du graphe
          spq_add("?identifiant wdt:P31 wd:Q5") |>
          spq_add(". wdt:P373 'Johannes Vermeer'") |>
          spq_add(". wdt:P18 ?image") |>
## Executer la requête
          spq_perform()

Les données collectées des deux manières distinctes sont affichées :

# Affichage dynamique des tables issues des deux manières d'interroger le graphe
 library(DT)
#--- avec WikidataR
 datatable(data1w)
#--- avec glitteR
 datatable(data1)

et la valeur associée à l’image d’objet étudiée, Johannes Vermeer, est affectée à une variable id_vermeer :

# Affectation à la variable 'id_vermeer' de la valeur de l'identifiant wikidata
 dataid <- strsplit(data1$identifiant,"/")
 id_vermeer <- dataid[[1]][5]
 id_vermeer
[1] "Q41264"

Le résultat renvoyé par cette requête nous permet de vérifier que l’image de l’objet Johannes Vermeer est bien identifiée par une entité Q41264 dans Wikidata et/ou son URI.
Le fichier associé à la peinture de son portrait est stocké en deux étapes (création de répertoire, téléchargement), à partir de son URI collectée avec le package glitter :

# Création des sous-répertoires 'data' et 'data/image'
dir.create("data")
dir.create("data/images")
# Téléchargement et sauvegarde du fichier de l'image numérisée
download.file(url = data1$image,
              destfile = 'data/images/portrait_artiste.jpg',
              mode = 'wb')
Figure 5 : Elément visuel (URI qui est une URL pointant vers un fichier .jpg) de Wikimédia permettant d’identifier le peintre Johannes Vermeer.



Dans ce qui suit, l’identifiant trouvé permet de déterminer les images - au sens de (Hui 2015), des œuvres de Johannes Vermeer par la propriété P170 a pour créateur.

3.3 Lister les œuvres du peintre et trouver leurs localisations géographiques (2nde requête SPARQL)

Dans cette seconde étape, on se propose de lister les œuvres de Johannes Vermeer avec leurs localisations. Au sein du graphe Wikidata, les coordonnées de la localisation (valeur point(x,y)) d’une œuvre sont celles du musée ou de l’institution au sein de laquelle l’œuvre est actuellement exposée ou située. Afin d’obtenir cette localisation à partir de l’identifiant du peintre, on trace un premier chemin du graphe tel qu’illustré dans la figure 6a.

Figure 6a : Entités, valeurs et propriétés directes du graphe Wikidata mobilisées pour la localisation des œuvres de Johannes Vermeer : l’œuvre (Q...) a pour créateur (P170) l’entité Johannes Vermeer (id_vermeer) et a pour lieu (P276) l’entité musée (Q...) qui a pour coordonnées (P625) la valeur point(x,y), coordonnées géographiques du système de référence World Geodetic System (WGS84). Le nom des œuvres et des musées (suffixe “Label”) est obtenu par le service wikibase:label du package WikidataQueryServiceR dans la langue wikibase:language choisie.
#--- avec WikidataR
 library(WikidataR)

## Chercher les entités du graphe Wikidata
 #- Définir les données recherchées
  id_oeuvre <- paste("?oeuvre")
  id_lieu <- paste("?musee")
  val_pointxy <- paste("?coord")

donnees_interrogees <- paste(id_oeuvre,id_lieu,val_pointxy)
 
## Construire les chemins du graphe pour les entités 
 
 #- Définir la classe wikidata utilisée
  entite_vermeer <- paste0(prefixe_entite,id_vermeer)

 #- Définir les propriétés utilisées
  propriete_creepar <-  paste("P170")
  propriete_lieu <- paste("P276")
  propriete_coord <- paste("P625")
  
 #- Définir les prédicats utilisés
  predicat_creepar <- paste0(prefixe_propriete_simple,propriete_creepar)
  predicat_lieu <- paste0(prefixe_propriete_simple,propriete_lieu)
  predicat_coord <- paste0(prefixe_propriete_simple,propriete_coord)
 
 #- Chemins du graphe
  chemin_principal <- paste(id_oeuvre,predicat_creepar,entite_vermeer)
  chemin_lieu <- paste(id_oeuvre,predicat_lieu,id_lieu)
  chemin_coord <- paste(id_lieu,predicat_coord,val_pointxy)
  
chemins_du_graphe <- paste(chemin_principal,".","OPTIONAL {",chemin_lieu,".",chemin_coord,"}")

## Construire la requête
 query <- paste("SELECT",donnees_interrogees,"WHERE {",chemins_du_graphe,"}")

## Exécuter la requête
 data2w <- query_wikidata(query)
 
#--- avec WikidataQueryService
 library(WikidataQueryServiceR)
 
## Utiliser le service Wikidata de noms (`wikibase:label`) plurilingues des entités de Wikidata
 #- Définir la ou les langues choisies
  langue <-"fr,en"
 #- Définir les propriétés utilisées
  propriete_label <- paste0("label")
  propriete_langue <- paste0("language")
 #- Préfixe de propriété utilisé 
  prefixe_wikibase <- paste0("wikibase:")
 #- Définir les prédicats utilisés
  predicat_label <- paste0(prefixe_wikibase,propriete_label)
  predicat_langue <- paste0(prefixe_wikibase,propriete_langue)
 
 service <- paste("SERVICE",predicat_label,"{ bd:serviceParam",predicat_langue,"\"[AUTO_LANGUAGE],",langue,"\".}")
 
## Chercher les noms en français des entités recherchées du graphe Wikidata
 #- Nom (ou label) des données wikidata
  nom_id_oeuvre <- paste0(id_oeuvre,"Label")
  nom_id_lieu <- paste0(id_lieu,"Label")
  
nom_donnees_interrogees <- paste(nom_id_oeuvre,nom_id_lieu,val_pointxy)

## Construire la requête avec le service de langue
 query_label <- paste("SELECT",nom_donnees_interrogees,"WHERE {",service,chemins_du_graphe,"}")

## Exécuter la requête
 data2wl <- query_wikidata(query_label)
 
#---avec glitter
 library(glitter)
 
## Initier la requête et stocker le résultat dans data2
 data2 <- spq_init() |>
## Ajouter les chemins du graphe
 #- chemin principal
          spq_add("?oeuvre wdt:P170 wd:Q41264", .label="?oeuvre") |>
 #- chemins optionnels
          spq_add("?oeuvre wdt:P276 ?musee", .label="?musee", .required=FALSE) |>
          spq_add("?musee wdt:P625 ?coord", .required=FALSE) |>
## Sélectionner les données interrogées
          spq_select(-oeuvre,-loc,-musee) |>
## Exécuter la requête
          spq_perform()

Les données collectées par les diverses techniques présentées sont affichées en utilisant la fonction datatable de la library DT:

library(DT)
#---WikidataR
datatable(data2w)
#---WikidataQueryService
datatable(data2wl)
#---glitter
datatable(data2)

3.4 Premiers éléments d’analyse exploratoire

3.4.1 Quelques constats sur le graphe et les données

On constate que les données (non supervisées) du graphe Wikidata concernant les lieux d’exposition des œuvres de Vermeer et leurs coordonnées géographiques sont hétérogènes :

  • certaines œuvres semblent n’avoir aucune localisation, l’information n’étant pas disponible dans le graphe Wikidata tel qu’interrogé (voir ci-dessous),
  • d’autres semblent être liées à des lieux correspondant à des données d’une autre nature qu’un musée ou institution (par exemple, “Leiden Collection” pour l’œuvre “A Young Woman Seated at the Virginals” ou encore “Room 837” (une salle du musée du Louvre) pour “The Lacemaker” etc.), sans coordonnées géographiques associées,
  • enfin, parmi les œuvres localisées (voir tables supra), certaines présentent plusieurs localisations de nature différente (par exemple, l’œuvre “The Astronomer”), et dans certains cas, plusieurs fois le même musée avec éventuellement des coordonnées très légèrement distinctes (par exemple, “The Geographer” au Städel Museum) etc.
library(DT)
datatable(tail(data2wl))
datatable(tail(data2))

Pourquoi ? Plusieurs hypothèses peuvent être esquissées :

  • un même musée peut avoir plusieurs coordonnées géographiques renseignées (plusieurs couples du Point(x,y) très proches, par exemple pour le Städel Museum),

  • la localisation d’une œuvre peut conduire à une entité qui n’est ni un musée ni une institution culturelle mais le nom d’une collection (par exemple The Leiden Collection) ou d’une salle (par exemple Room 837 qui est une salle du musée du Louvre) etc.,

  • une même œuvre peut être située dans plusieurs musées (ou plusieurs fois dans un même musée), peut-être à des périodes différentes.

Ces constats sont liés non seulement au caractère non supervisé et collectif (hétérogène, voire lacunaire) de la production des données, mais aussi à la complexité de la saisie des données dans le graphe Wikidata. En conséquence, les modalités d’interrogation du graphe Wikidata sont multiples, en fonction notamment de la profondeur du graphe qui est sondée et de la qualité de l’affectation de valeurs à ses instances.

La série de requêtes présentées jusqu’à présent interroge les entités Wikidata renseignées au moyen des propriétés simples de localisation, c’est à dire avec le préfixe wdt. Pour aller plus en profondeur dans le graphe, vérifier la localisation et déterminer sa composante temporelle, il est nécessaire d’entrer plus en détail dans une autre forme d’instanciation du graphe, spécifique à Wikidata, à savoir les déclarations (voir figure 6b).

Figure 6b : Représentation tabulaire d’une entité Wikidata avec les principaux termes utilisés. Les déclarations de localisation ou du créateur (statements en jaune sur le schéma) peuvent utiliser des valeurs (en vert) et des qualificatifs (qualifiers, en orange), ici associés aux données de lieux et aux laps de temps. Pour les déclarations spatio-temporelles, celles-ci sont liées à l’œuvre par la propriété (P276 a pour lieu). Le lien entre l’œuvre et son créateur est aussi une déclaration, objet de la propriété (P170 est créé par), mais ne comporte pas de valeur spatiale ou temporelle.
Source : Wikidata


3.4.2 Préciser les chemins du graphe de données associé au peintre

Cette représentation tabulaire du graphe permet de comprendre que les modalités d’accès aux données peuvent prendre d’autres chemins du graphe que celui ‘de premier niveau’ des relations entre entités et propriétés simples (préfixe wdt). Dans un premier temps, afin de mieux cerner la profondeur du graphe Wikidata, il est possible de l’interroger pour connaître toutes les relations (arêtes du graphe) associées à l’objet Johannes Vermeer conduisant à au moins une instance du graphe*. L’image d’objet id_vermeer peut alors prendre la position de “sujet” des prédicats et objets recherchés ou celle d’“objet” des prédicats et sujets (voir figure 6c).

*on exclut ici les noeuds vides.

Figure 6c : Schéma du graphe primaire d’une entité Wikidata interrogeant les propriétés et comptabilisant les instances associées renseignées. Deux configurations sont illustrées : l’une où l’image de l’objet Johannes Vermeer est le sujet du prédicat, l’autre où il en est l’objet.


3.4.2.1 Sonder le graphe pour toute propriété et son nombre d’ objets concernant le peintre comme sujet du prédicat

 library(WikidataQueryServiceR)
 library(DT)

## Chercher les noms des prédicats du graphe Wikidata et le nombre d'objets associés

 #- propriétés ?propriete - de différents types, attachées au peintre 
  id_propriete <- paste("?propriete")
  id_propriete_simple <- paste0(id_propriete,"_simple")
  id_propriete_directe <- paste0(id_propriete,"_directe")
 #- nom de ces propriétés
  nom_id_propriete_simple <- paste0(id_propriete_simple,"Label")
  nom_id_propriete_directe <- paste0(id_propriete_directe,"Label")

nom_proprietes_objets_interrogees <- paste(id_propriete,nom_id_propriete_simple,nom_id_propriete_directe)

## Construire les chemins du graphe pour les prédicats de différents types (et entités associées)

 #- objets des prédicats recherchés, liés au peintre
  id_objet <- paste("?objet")
 #- compteur et comptage de ces objets associés aux prédicats interrogés
  compteur <- paste("?count")
  comptage <- paste0("(COUNT(DISTINCT",id_objet,") AS ",compteur,")")
  ordre_decroissant <- paste0("ORDER BY DESC(",compteur,")")
 
 #- chercher les prédicats et objets du sujet Vermeer
  chemin_primaire <- paste(entite_vermeer,id_propriete,id_objet)
  
 #- dont les types wikidata de prédicats sont simples ou directs
   prefixe_wikibase <- paste0("wikibase:")
   type_predicat_simple <- paste0(prefixe_wikibase,"claim")
   type_predicat_direct <- paste0(prefixe_wikibase,"directClaim")
 
  chemin_type_predicat_simple <- paste(id_propriete_simple,type_predicat_simple,id_propriete)
  chemin_type_predicat_directe <- paste(id_propriete_directe,type_predicat_direct,id_propriete)

chemins_du_graphe <- paste(chemin_primaire,".","OPTIONAL {",chemin_type_predicat_directe,"}","OPTIONAL {",chemin_type_predicat_simple,"}")

## Grouper et ordonner
 groupe_et_ordonne <- paste("GROUP BY",nom_proprietes_objets_interrogees,ordre_decroissant)

## Construire la requête
 query <- paste("SELECT",nom_proprietes_objets_interrogees,comptage,"WHERE {",service,chemins_du_graphe,"}",groupe_et_ordonne)

 ## Exécuter la requête
 metadonnees_relations_comme_sujet <- query_wikidata(query)

## Afficher le résultat
 datatable(metadonnees_relations_comme_sujet)

3.4.2.2 Sonder le graphe pour toute propriété et son nombre de sujets concernant le peintre comme objet du prédicat

library(WikidataQueryServiceR)
library(DT)

## Chercher les noms propriétés du graphe Wikidata et le nombre de sujets associés

 #- propriétés ?propriete - de différents types, attachées au peintre 
  id_propriete_declarative <- paste0(id_propriete,"_declarative")
  id_propriete_qualificative <- paste0(id_propriete,"_qualificative")
 #- nom de ces types de propriétés
  nom_id_propriete_declarative <- paste0(id_propriete_declarative,"Label")
  nom_id_propriete_qualificative <- paste0(id_propriete_qualificative,"Label")
  
nom_proprietes_sujets_interrogees <- paste(id_propriete,nom_id_propriete_directe,nom_id_propriete_qualificative,nom_id_propriete_declarative)

## Construire les chemins du graphe pour les propriétés de différents types (et entités associées)

 #- sujets des propriétés recherchées, dont le peintre est l'objet
  id_sujet <- paste("?sujet")
 #- compteur et comptage de ces sujets associés aux propriétés interrogées
  comptage <- paste0("(COUNT(DISTINCT",id_sujet,") AS ",compteur,")")
  ordre_decroissant <- paste0("ORDER BY DESC(",compteur,")")

 #- chercher les propriétés et sujets de l'objet Vermeer
  chemin_primaire <- paste(id_sujet,id_propriete,entite_vermeer)
 #- dont les types wikidata de prédicats sont simples ou directs
   prefixe_wikibase <- paste0("wikibase:")
   type_predicat_declaration <- paste0(prefixe_wikibase,"statementProperty")
   type_predicat_qualificatif <- paste0(prefixe_wikibase,"qualifier")

  chemin_type_predicat_declaration <- paste(id_propriete_declarative,type_predicat_declaration,id_propriete)
  chemin_type_predicat_qualificatif <- paste(id_propriete_qualificative,type_predicat_qualificatif,id_propriete)

chemins_du_graphe <- paste(chemin_primaire,".","OPTIONAL {",chemin_type_predicat_directe,"}","OPTIONAL {",chemin_type_predicat_declaration,"}","OPTIONAL {",chemin_type_predicat_qualificatif,"}")

## Grouper et ordonner
 groupe_et_ordonne <- paste("GROUP BY",nom_proprietes_sujets_interrogees,ordre_decroissant)

## Construire la requête
 query <- paste("SELECT",nom_proprietes_sujets_interrogees,comptage,"WHERE {",service,chemins_du_graphe,"}",groupe_et_ordonne)

## Exécuter la requête
 metadonnees_relations_comme_objet <- query_wikidata(query)

## Afficher le résultat
 datatable(metadonnees_relations_comme_objet)

Parmi l’ensemble des propriétés qui sont les relations du peintre Johannes Vermeer aux autres objets ou sujets dans le graphe Wikidata, on s’intéresse particulièrement

  • à la propriété (P170 créé par) qui l’associe à ses œuvres (dont Vermeer est l’“objet”),
  • et à (P6379 collection comprenant une œuvre de la personne), qui l’associe aux collections qui contiennent ses œuvres, (dont Vermeer est le “sujet”).

3.4.3 Le corpus des œuvres de (P170) Johannes Vermeer selon Wikidata

En sondant les propriétés dont Vermeer est l’objet, le résultat du 3.4.2.2 renvoit au moins 2 nombres pour la propriété P170 créé par :

  • dans le premier cas prop/statement/P170 correspondant aux déclarations exhaustives, le graphe compte 43 œuvres,
  • dans le second cas prop/direct/P170 correspondant aux relations simples (ou “quasi-vérités”), on compte 37 œuvres, soit un écart de 6 œuvres.

En différenciant les modalités d’interrogation associées aux prédicats (préfixes p:, ps: et wdt:), il est possible de connaître la liste de ces œuvres objets d’une déclaration exhaustive au sein du fragment de graphe Wikidata qui ne sont pas des “quasi-vérités” (voir notamment la figure 6d) :

 library(WikidataQueryServiceR)
 library(DT)
 library(dplyr)

## Entités ou déclarations wikidata interrogées
 donnees_interrogees <- paste(id_oeuvre,nom_id_oeuvre)

## Construire les chemins du graphe
 #- Définir le type de prédicat (préfixe) utilisé pour une entité déclarative ?obj a wikibase:statement
  prefixe_propriete_directe <- paste0("p:")
  prefixe_propriete_declarative <- paste0("ps:")
 #- Définir les prédicats utilisés
  predicat_creepar_direct <- paste0(prefixe_propriete_directe,propriete_creepar)
  predicat_creepar_declaratif <- paste0(prefixe_propriete_declarative,propriete_creepar)
  
predicat_creepar_declaration <- paste0(predicat_creepar_direct,"/",predicat_creepar_declaratif)

 #- Suivre les deux chemins du graphe (exhaustif & simple)
  chemin_declaration <- paste(id_oeuvre,predicat_creepar_declaration,entite_vermeer)
  chemin_simple <- paste(id_oeuvre,predicat_creepar,entite_vermeer)

## Ordonner
 ordonne <- paste("ORDER BY DESC(",id_oeuvre,")")

## Construire les requêtes
 query_declaration <- paste("SELECT",donnees_interrogees,"WHERE {",service,chemin_declaration," }",ordonne)
 query_valeur_simple <- paste("SELECT ",donnees_interrogees,"WHERE {",service,chemin_simple," }",ordonne)

## Stocker le résultat de l'exécution des requêtes
 resultats_oeuvres_exhaustif <- query_wikidata(query_declaration)
 resultats_oeuvres_valeur_simple <- query_wikidata(query_valeur_simple)

## Comparaison et affichage des œuvres présentes seulement dans les déclarations exhaustives associées à la propriété
 oeuvres_declarees=resultats_oeuvres_exhaustif %>% filter(!oeuvre %in% resultats_oeuvres_valeur_simple$oeuvre)
 datatable(oeuvres_declarees)

Cette différence de résultat nous conduit à poursuivre l’investigation. Ainsi, pour connaître la nature de la relation de ces œuvres au peintre Johannes Vermeer, il est possible de sonder le fragment de graphe plus en profondeur, notamment au moyen :

  • de prédicats de qualification des déclarations (dits qualifiers avec le préfixe pq:), trouvés au sein des résultats du 3.4.2.2, à savoir par exemple : P1777 à la manière de, P1778 faux imitant, P1778 d'après une œuvre de, P1774 atelier de et P1775 suiveur de Johannes Vermeer,
  • mais aussi d’autres éléments du graphe Wikidata qui permettent de préciser le corpus d’œuvres créées par Johannes Vermeer, comme par exemple le rang (wikibase:rank) associé à la déclaration d’attribution (ps:) de l’œuvre ou à la qualification (pq:) de cette attribution.

Figure 6d : Extrait du graphe de Wikidata avec les ensembles de relations entre entités au moyen des propriétés directes (préfixe wdt) et les relations au sein des déclarations au moyen des propriétés indirectes (préfixes p, ps ou pq) utilisées supra.
Source : Wikibase


Pour avoir une vue d’ensemble sur le corpus des œuvres attribuées à Johannes Vermeer, on regroupe les deux types de prédicats associés aux relations entre le peintre et les œuvres.

library(WikidataQueryServiceR)
library(DT)
library(dplyr)

## Chercher les entités, leur nom (qui sera filtré par la langue choisie) et leur rang  
 #- Définir le rang wikidata des déclarations
  val_rang <- paste("?rang")
 #- Filtre de langue des noms
  filtre_langue <- paste0("FILTER(lang(",nom_id_oeuvre,")=\"en\")")
  
donnees_interrogees <- paste(id_oeuvre,nom_id_oeuvre,val_rang)

## Construire les chemins du graphe
 #- Définir les déclarations étudiées
  declaration <- paste("?objet_declaratif")
 
 #- Définir le type de prédicats (préfixes) utilisés
  prefixe_rdfs <- paste0("rdfs:")
 #- Définir les propriétés utilisées
  propriete_rang <- paste0("rank")
 #- Définir les prédicats utilisés (rang et langue)
  predicat_rang <- paste0(prefixe_wikibase,propriete_rang)
  predicat_rdfs_label <- paste0(prefixe_rdfs,propriete_label)
 
 #- chemins du graphe
  chemin_declaratif <- paste(declaration,predicat_creepar_declaratif,entite_vermeer)
  chemin_rang_declaration <- paste(declaration,predicat_rang,val_rang)
  chemin_direct <- paste(id_oeuvre,predicat_creepar_direct,declaration)
  chemin_rdfs_label <- paste(id_oeuvre,predicat_rdfs_label,nom_id_oeuvre)
 
chemins_du_graphe <- paste(chemin_declaratif,".",chemin_rang_declaration,".","OPTIONAL {",chemin_direct,".",chemin_rdfs_label,"}")

## Requête 
 query <- paste("SELECT",donnees_interrogees,"WHERE {",chemins_du_graphe,filtre_langue," }")

## Affectation du résultat et nombre d'œuvres
 resultats_oeuvres <- query_wikidata(query)
 
## Chercher le prédicat qualificatif et son rang associé
 donnees_interrogees <- paste(id_oeuvre,nom_id_oeuvre,nom_id_propriete_qualificative,val_rang)
 
## Chemins du graphe
 chemin_declaration <- paste(declaration,id_propriete,entite_vermeer)
 chemin_rang_qualification <- paste(declaration,predicat_rang,val_rang)
 chemin_qualificatif <- paste(id_propriete_qualificative,type_predicat_qualificatif,id_propriete)

chemins_du_graphe <- paste(chemin_declaration,".",chemin_rang_qualification,".",chemin_qualificatif,".",chemin_direct,".",chemin_rdfs_label)

## Requête 
 query <- paste("SELECT ",donnees_interrogees,"WHERE {",chemins_du_graphe,filtre_langue,service," }",ordonne)

## Affectation du résultat
 resultats_relations <- query_wikidata(query)

## Jointure de toutes les œuvres liées directement ou indirectement à Johannes Vermeer
 resultats_total=full_join(resultats_oeuvres,resultats_relations,by="oeuvre")
 count(resultats_total)
# A tibble: 1 × 1
      n
  <int>
1    58
## Sélection de celles dont l'attribution comme peintre est de rang dépréciée
 resultats_deprecated=filter(resultats_total, rang.x == "http://wikiba.se/ontology#DeprecatedRank")
 datatable(resultats_deprecated)
## Sélection de celles dont la qualification correspond à une œuvre non réalisée par Johannes Vermeer
 resultats_qualified=filter(resultats_total, propriete_qualificativeLabel != "NULL")
 datatable(resultats_qualified)

On esquisse ici l’approche qui, interrogeant le fragment de graphe Wikidata de manière plus approfondie, permet d’analyser la qualité des données issues des interrogations simplifiées ou “quasi-vérités” (voir figure 6d.) mais aussi d’appréhender la complexité de la modélisation conceptuelle d’une œuvre à travers sa genèse et le discours associé. Il semble que l’écart entre les “quasi-vérités” (avec le préfixe wdt:) et les déclarations exhaustives (avec le préfixe ps:) de la relation de Johannes Vermeer à se œuvres s’explique par le rang de celles-ci. En complément, on note que :

  • en tout 58 œuvres sont liées à Vermeer comme créateur,
  • 20 d’entre elles semblent ne pas être “de sa main”,
  • 4 sont qualifiées ainsi du point de vue de l’histoire de l’art parmi les 6 œuvres “dépréciées”,
  • et celle identifiée par Q20810246, intitulée “Lady with a Guitar” comporte un rang normal (non déprécié) avec la qualification d’appartenance à l’atelier de.

Ce dernier point permet d’introduire les modalités définies au sein du graphe wikidata pour une telle incertitude d’attribution de l’œuvre au peintre Johannes Vermeer. Il s’agit des références citées dans la déclaration qui définissent la provenance de l’assertion.

library(WikidataQueryServiceR)
library(DT)
library(dplyr)

## Chercher les entités citées en référence des déclarations sur l'œuvre étudiée

 #- Données interrogées (url des références)
  donnee_url <- paste("?url")
  
donnees_interrogees <- paste(donnee_url)

## Construire les chemins du graphe

 #- Définir les entités utilisées
  id_reference <- paste("?reference")
  qid_oeuvre <- paste("Q20810246")
  entite_oeuvre <-paste0(prefixe_entite,qid_oeuvre)

 #- Définir les propriétés de la relation de la déclaration à sa référence & à l'url
  propriete_ref <- paste("wasDerivedFrom")
  propriete_url <- paste("P854")
 #- Définir le type de prédicat (préfixe) utilisé
  prefixe_provenance <- paste0("prov:")
  prefixe_reference_url <- paste0("pr:") 

 #- Définir les prédicats utilisés
  predicat_provenance <- paste0(prefixe_provenance,propriete_ref)
  predicat_url <- paste0(prefixe_reference_url,propriete_url)

 #- Chemins du graphe
  chemin_principal <- paste(entite_oeuvre,predicat_creepar_direct,declaration)
  chemin_provenance <- paste(declaration,predicat_provenance,id_reference)
  chemin_url <- paste(id_reference,predicat_url,donnee_url)

## Requête 
 query <- paste("SELECT",donnees_interrogees,"WHERE {",chemin_principal,".",chemin_provenance," . ",chemin_url," }")

## Affectation & affichage du résultat et des sources citées dans wikidata
 resultats_sources <- query_wikidata(query)
 datatable(resultats_sources)
## Intégration des sources dans le notebook pour lecture immédiate
knitr::include_url(resultats_sources$url[[1]])
knitr::include_url(resultats_sources$url[[2]])

Ici, deux sources, l’une issue de la presse spécialisée et l’autre du catalogue d’un musée, permettent de qualifier la nature de la controverse concernant l’attribution de l’œuvre à Johannes Vermeer.

La seconde analyse porte sur la notion de collection d’une œuvre et des modalités pratiques de son instanciation au sein du graphe Wikidata.

3.4.4 Les collections associées aux œuvres de Johannes Vermeer

De même, il est possible d’identifier la qualité des informations associées aux collections auxquelles les œuvres de Vermeer sont attribuées, notamment en qualifiant le type P31 d’instance, objet du prédicat direct P6379.

library(WikidataQueryServiceR)
library(DT)

## Chercher les instances des collections du graphe Wikidata qui contiennent une œuvre de Vermeer

 #- Définir le nom du types des objets "collection"
  type_id_objet <- paste("?type_objet")
  nom_type_id_objet <- paste0(type_id_objet,"Label")

## Construire les chemins du graphe pour les propriétés de différents types (et entités associées)

 #- Définir la propriété utilisée
  id_propriete <- paste0("P6379")
 #- Définir les prédicats utilisés
  predicat_collection_direct <- paste0(prefixe_propriete_directe,id_propriete)
  predicat_collection_declaratif <- paste0(prefixe_propriete_declarative,id_propriete)
 
 predicat_collection_declaration <- paste0(predicat_collection_direct,"/",predicat_collection_declaratif)
 
 #- Définir les objets de la propriété recherchée "est collection"
  id_objet <- paste("?objet")
 
 #- Chercher les objets collections contenant des œuvres de Vermeer et leur type
  chemin_primaire <- paste(entite_vermeer,predicat_collection_declaration,id_objet)
  chemin_type <- paste(id_objet,predicat_type,type_id_objet)

chemins_du_graphe <- paste(chemin_primaire,".",chemin_type)

## Comptage et tri des objets associés à la propriété interrogée
  comptage <- paste0("(COUNT(DISTINCT",id_objet,") AS ",compteur,")")
  ordre_decroissant <- paste0("ORDER BY DESC(",compteur,")")

## Grouper et ordonner
 groupe_et_ordonne <- paste("GROUP BY",nom_type_id_objet,ordre_decroissant)

## Construire la requête
 query <- paste("SELECT",nom_type_id_objet,comptage,"WHERE {",service,chemins_du_graphe,"}",groupe_et_ordonne)

## Exécuter la requête
 metadonnees_collections_comme_objet <- query_wikidata(query)

## Afficher le résultat
 datatable(metadonnees_collections_comme_objet)

Les modalités d’instanciation de ces assertions semblent hétérogènes au sein de Wikidata : en effet, on compte 15 types différents dont seulement 2 se réfèrent au terme collection, la majorité étant de type la valeur musée d'art. Afin de cerner à quel type d’instance la propriété associant les œuvres à des collections fait référence, il est possible d’ajouter la description de ces types en utilisant le vocabulaire schema.org et en concatenant les résultats par type, par exemple :

library(WikidataQueryServiceR)
library(DT)

## Chercher les instances des collections du graphe Wikidata qui contiennent une œuvre de Vermeer
 
 #- Définir les ensembles et leur description d'un même type de collections dont l'œuvre du peintre est membre
  id_collections <- paste("?collections")
  id_description <- paste("?description")
 #- Filtre de langue des descriptions
  filtre_langue <- paste0("FILTER(lang(",id_description,")=\"fr\")")
  
## Construire les chemins du graphe pour les propriétés de différents types (et entités associées)

 #- Définir la propriété utilisée
  propriete_description <- paste0("description")
 #- Définir le type de prédicat (préfixe) utilisé
  prefixe_schema <- paste0("schema:")
 #- Définir le prédicat utilisé
predicat_description <- paste0(prefixe_schema,propriete_description)

 #- Chercher les objets collections contenant des œuvres de Vermeer
  chemin_description <- paste(type_id_objet,predicat_description,id_description)

chemins_du_graphe <- paste(chemin_primaire,".",chemin_type,".",chemin_description)

## Concatener des objets dans des ensembles de type de collections
 concatener <- paste0("(group_concat(",id_objet,") AS ",id_collections,")")

## Grouper
 groupe <- paste("GROUP BY",nom_type_id_objet,id_description)

## Construire la requête
 query <- paste("SELECT",nom_type_id_objet,id_description,concatener,"WHERE {",service,chemins_du_graphe,filtre_langue,"}",groupe)

## Exécuter la requête
 metadonnees_description_collections_comme_objet <- query_wikidata(query)

## Afficher le résultat
 datatable(metadonnees_description_collections_comme_objet)

Le résultat donne la description des types d’instances de Wikidata répondant à la question des collections au sein desquelles les œuvres de Vermeer se trouvent. Il confirme le caractère hétérogène et donc l’impossibilité d’exploiter ce chemin du graphe. L’investigation du notebook revient alors aux œuvres elles-mêmes.

3.4.5 Choisir l’œuvre de Vermeer qui a le plus voyagé

library(WikidataQueryServiceR)
library(DT)

## Définir les données Wikidata recherchées

 donnees_interrogees <- paste0(nom_id_oeuvre)
  
## Construire les chemins du graphe
 
 #- Définir le prédicat utilisé
  predicat_lieu_declaration <- paste0(prefixe_propriete_directe,propriete_lieu,"/",prefixe_propriete_declarative,propriete_lieu)
 
 #- Chemins du graphe
  chemin_principal <- paste(id_oeuvre,predicat_creepar_declaration,entite_vermeer)
  chemin_lieu <- paste(id_oeuvre,predicat_lieu_declaration,id_lieu)
  chemin_coord <- paste(id_lieu,predicat_coord,val_pointxy)
  
chemins_du_graphe <- paste(chemin_principal,".",chemin_lieu,".",chemin_coord)

 #- Comptage de ces objets associés aux propriétés interrogées
  comptage <- paste0("(COUNT(DISTINCT",val_pointxy,") AS ",compteur,")")
 #- Grouper et ordonner
  ordre_decroissant <- paste0("ORDER BY DESC(",compteur,")")
  grouper <- paste("GROUP BY",donnees_interrogees)
  groupe_et_ordonne <- paste(grouper,ordre_decroissant)

## Construire la requête
 query <- paste("SELECT",donnees_interrogees,comptage,"WHERE {",chemins_du_graphe,service,"}",groupe_et_ordonne)

## Exécuter la requête
 metadonnees_localisation_oeuvres <- query_wikidata(query)

## Affiche le résultat
 datatable(metadonnees_localisation_oeuvres)

L’œuvre intitulée “Dame assise au virginal” (entité Q4660880) est, selon Wikidata, l’œuvre de Johannes Vermeer qui a le plus voyagé pour être exposée. Cela signifie que cette instance de la classe œuvres possède le plus grand nombre de valeurs associées au prédicat direct de “lieu” P276 dans les déclarations exhaustives de localisation désignant des lieux, dont les coordonnées sont données par le prédicat simple P625.

Ce constat ouvre une nouvelle perspective en matière d’analyse exploratoire. Nous allons donc nous intéresser à la trajectoire spatio-temporelle de cette œuvre.

3.5 Troisième requête SPARQL : déclaration spatiale et temporelle

Comme illustré dans les figures 6b et 6e, la localisation spatio-temporelle d’une entité est déclarée au moyen d’un prédicat direct (p:P276), qui permet l’accès à une localisation de l’œuvre : - dans un lieu (géographique et institutionnel) avec la prédicat ps:P276, associé à l’ensemble des déclarations de localisations spatiales au moyen du prédicat wdt:P625, - liée dans le temps aux prédicats de type qualifiers de la déclaration ?lieu donnant une période temporelle (date de début : pq:P580, date de fin: pq:P582) ou date/point dans le temps d’un événement pq:P585.

Figure 6e : Classes et propriétés spécifiques de Wikidata mobilisées pour la localisation spatio-temporelle dans le cas d’une déclaration (statement). Pour connaître les modalités de circulation de l’œuvre dans divers musées et institutions, la requête SPARQL ci-dessous collecte les noms des différents lieux d’exposition (P276), ainsi qu’une dimension spatio-temporelle associée, qui est composée de coordonnées géographiques (P625) et des dates de début et de fin (P580 & P582) de la période pendant laquelle l’œuvre (Q4660880) semble avoir été présente dans les différents lieux. La requête permet également d’obtenir l’image (figure 7) de l’œuvre ciblée (P18).


library(WikidataQueryServiceR)
library(DT)

## Chercher les déclarations des lieux du graphe Wikidata qui contiennent l'œuvre de Vermeer dont l'identifiant est `Q4660880`
 #- Définir les données recherchées
  id_date_debut <- paste("?dated")
  id_date_fin <- paste("?datef")
  id_localisation <- paste("?lieu")
  id_image <- paste("?image")
 
 donnees_interrogees <- paste(nom_id_lieu,id_date_debut,id_date_fin,val_pointxy)

 
## Construire les chemins du graphe pour les propriétés de différents types (et entités associées)

 #- Définir les propriétés utilisées
  propriete_date_debut <- paste0("P580")
  propriete_date_fin <- paste0("P582")
 #- Définir les types de prédicats (préfixes) utilisés
  prefixe_qualificatif <- paste0("pq:")

 #- Définir les prédicats (préfixes) utilisés
  predicat_lieu_direct <- paste0(prefixe_propriete_directe,propriete_lieu)
  predicat_lieu_declaratif <- paste0(prefixe_propriete_declarative,propriete_lieu)
  predicat_date_debut_qualificatif <- paste0(prefixe_qualificatif,propriete_date_debut)
  predicat_date_fin_qualificatif <- paste0(prefixe_qualificatif,propriete_date_fin)

 #- Définir les entités utilisées
  qid_oeuvre <- paste0("Q4660880")
  entite_oeuvre <- paste0(prefixe_entite,qid_oeuvre)
  
 #- Définir les chemins du graphe
  chemin_primaire <- paste(entite_oeuvre,predicat_lieu_direct,id_localisation)
  chemin_musee <- paste(id_localisation,predicat_lieu_declaratif,id_lieu)
  chemin_date_debut <- paste(id_localisation,predicat_date_debut_qualificatif,id_date_debut)
  chemin_date_fin <- paste(id_localisation,predicat_date_fin_qualificatif,id_date_fin)
  chemin_image <- paste(entite_oeuvre,predicat_image,id_image)

chemins_du_graphe <- paste(chemin_primaire,".",chemin_musee,".",chemin_coord,".",chemin_date_debut,".",chemin_date_fin,".")

## Construire les requêtes
 query <- paste("SELECT",donnees_interrogees,"WHERE {",service,chemins_du_graphe,"}")
 query_image <- paste("SELECT",id_image,"WHERE {",chemin_image,"}")

## Exécuter les requêtes
 metadonnees_lieu_temps_oeuvre <- query_wikidata(query)
 url_image <- query_wikidata(query_image)

## Afficher le résultat
 url_image
# A tibble: 1 × 1
  image                                                                         
  <chr>                                                                         
1 http://commons.wikimedia.org/wiki/Special:FilePath/Young%20Woman%20Seated%20a…
 datatable(metadonnees_lieu_temps_oeuvre)
library(glitter)
data <- spq_init() |> 
            spq_add("wd:Q4660880 wdt:P18 ?image") |>
            spq_add("wd:Q4660880 p:P276 ?location") |>
            spq_add("?location ps:P276 ?nom",.label="?nom") |> 
            spq_add("?location pq:P580 ?dated") |>
            spq_add("?location pq:P582 ?datef") |> 
            spq_add("?nom wdt:P625 ?coord") |>
            spq_select(musee = nomLabel) |>
            spq_perform() 

Affichage d’une partie des données récupérées :

Enregistrement et (ré)import des données :

# Enregistrement des données en format csv
write.csv(x = data, file = "data/data.csv", row.names = FALSE)

# Import du fichier de données enregistrées
data <- read.csv("data/data.csv", row.names = NULL)

Enregistrement de l’image de l’œuvre :

download.file(url = data$image[1],
              destfile = 'data/images/Q4660880.jpg',
              mode = 'wb')

Figure 7 : Illustration de l’œuvre “A Young Woman Seated at the Virginals” de Johannes Vermeer, 1670



4 Exploration spatiale

Les données non-supervisées collectées nécessitent toujours d’être contrôlées et nettoyées avant d’être exploitées. De plus, les données obtenues comportent des coordonnées géographiques qui permettent de les convertir en véritable couche géographique afin de les cartographier et ainsi d’exploiter leur dimension spatiale.

4.1 Les œuvres de Johannes Vermeer

Les données issues de la seconde requête SPARQL (data2) listent l’ensemble des œuvres de Vermeer et leurs localisations respectives (nom du musée et coordonnées géographiques quand elles existent) selon Wikidata. Avant de les cartographier, quelques traitements sont nécessaires :

  1. Suppression des doublons et des œuvres sans aucune localisation renseignée ;
  2. Calcul du nombre d’œuvres par musée (localisation) ;
  3. Géoréférencement7 des musées abritant des œuvres de Vermeer.

4.1.1 Nettoyage des données

Dans cette partie, nous allons uniquement nous intéresser à la dimension spatiale des données collectées, sans prendre en compte la dimension temporelle. Si aucune coordonnée géographique n’est renseignée (cf. partie 3.3), nous ne prendrons pas en compte le musée recensé. En revanche, nous considérons l’ensemble des localisations comportant des coordonnées géographiques, peu importe la temporalité qui leur est associée.

Commençons par supprimer les localisations (musée ou institution) qui ne sont pas associées à des coordonnées géographiques dans Wikidata :

data2 <- data2[!is.na(data2$coord), ]

Nous pouvons ensuite supprimer les doublons, que l’on peut expliquer par le fait qu’une œuvre ait pu être exposée à plusieurs reprises dans un même musée, ou qu’un même lieu ait pu être renseigné par plusieurs couples de coordonnées géographiques dans Wikidata.

Pour cela, nous utilisons la fonction duplicated, appliquée au couple “nom de l’œuvre + lieu d’exposition”

data2 <- data2[!duplicated(data2[, c("oeuvreLabel", "museeLabel")]), ]

Affichage des données filtrées :

datatable(data2)


4.1.2 Regroupement par musée

Plusieurs œuvres semblent avoir été exposées dans les mêmes lieux. Afin de cartographier les musées ayant exposé différentes œuvres de Johannes Vermeer, nous réalisons un regroupement des œuvres par intitulé des musées (museeLabel), tout en calculant le nombre d’œuvres que chacune de ces institutions a exposées au cours du temps.

–>

# Regroupement et calcul du nombre d'œuvres par musée
library(dplyr)
nb_oeuvres_musee <- data2 |>
                      group_by(musee = museeLabel, coords = coord) |> 
                      summarise(nb_oeuvres = n())


# Histogramme de répartition des musées en fonction du nombre d'œuvres de J.V. exposées
library(ggplot2)
ggplot(nb_oeuvres_musee, aes(x = nb_oeuvres)) +
  geom_histogram(breaks = 0:max(nb_oeuvres_musee$nb_oeuvres), col = "white") +
  xlab("Nombre d'œuvres exposées") +
  ylab("Nombre de musées")
Graphique 1 : Distribution du nombre d’œuvres de Johannes Vermeer exposées par musée


4.1.3 Géoréférencement

La variable ‘coords’ stocke les coordonnées géographiques des musées dans le format WKT8 (Well-known text). A l’aide du package sf, il est simple de construire des données géographiques vectorielles permettant l’analyse spatiale avec R (Simple Features object) à partir de ce format de stockage. Pour cela, nous utilisons les fonctions st_as_sfc et st_as_sf.

# Chargement du package sf, pour la gestion de données géographiques vectorielles
library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(nb_oeuvres_musee$coords, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
musee_geo  <- st_as_sf(nb_oeuvres_musee, geometry)

La table de données a été transformée en couche géographique manipulable avec R (objet sf), où chaque musée comporte une géométrie (point localisé dans l’espace, dans le système géographique de référence WGS84).

Il est maintenant très simple de cartographier les points créés (musées) sur une carte interactive, en utilisant le package mapview. Cela permet, entre autres, de vérifier la qualité des données et du géoréférencement effectué.

# Package pour la cartographie interactive (repose sur la librairie Leaflet)
library(mapview)

# Affichage interactif des musées, sur un fond de carte OpenStreetMap
mapview(musee_geo) 
Carte 1 : Les derniers lieux d’exposition des œuvres de Johannes Vermeer


4.1.4 Cartographie thématique

À partir des données collectées et pré-traitées, il est possible de construire une carte interactive en symboles proportionnels représentant le nombre d’œuvres de Johannes Vermeer exposées par musée au cours du temps.

# Package de cartographie thématique
library(tmap)

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Carte en symboles proportionnels
tm_basemap() +
tm_shape(musee_geo) +
tm_symbols(size="nb_oeuvres",
           scale = 4,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           id = "musee",
           popup.vars=c("Nombre d'œuvres :"="nb_oeuvres" ))
Carte 2 : Nombre d’œuvres de Johannes Vermeer exposées au cours du temps, par musée


4.1.5 Enrichissement des données

Au vue de la carte précédente, il semble intéressant d’explorer la répartition des œuvres de Johannes Vermeer à l’échelle des pays. Pour cela, il est nécessaire d’enrichir les données. Plusieurs étapes sont nécessaires :

Téléchargement d’un fond de carte pays mis à disposition par le package rnaturalearth:

# Package permettant d'utiliser l'API de Natural Earth
library(rnaturalearth)

# Téléchargement et enregistrement d'un fond de carte "pays"
monde <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")

Le fond de carte récupéré est également mis à disposition dans les données téléchargeables. Vous pouvez le charger dans R à l’aide du package sf et de sa fonction st_read() de la façon suivante :

monde <- st_read("data/world/ne_50m_admin_0_countries.shp", quiet = TRUE ) 

Affichage de la couche géographique :

plot(st_geometry(monde))

Les attributs des entités (pays) de la couche géographique récupérée sont :

La couche géographique des musées (‘musee_geo’) et le fond de carte du monde (‘monde’) sont géoréférencés dans le même système de coordonnées9 (le WGS84). Nous pouvons donc réaliser une jointure spatiale qui permet de récupérer pour chaque musée, le code ISO3 du pays dans lequel il se situe. Pour cela, nous utilisons la fonction st_intersection du package sf.

Jointure spatiale entre les musées (points) et les pays (polygones) :

musee_geo <- st_intersection(musee_geo, monde[, "ADM0_A3"])

Le code ISO3 du pays de localisation (“ADM0_A3”) a été ajouté à la couche géographique des musées :


4.1.6 Répartition par pays

Le pays de localisation de chaque musée ayant été obtenu, nous pouvons réaliser une représentation graphique de cette distibution spatiale.

Commençons par calculer le nombre total d’œuvres exposées par pays :

nb_oeuvres_pays <- musee_geo |> 
                      group_by(ADM0_A3) |> 
                      summarise(nb_oeuvres=sum(nb_oeuvres))

Nous pouvons ensuite construire un graphique en utilisant le package de référence ggplot2.

# Package pour la représentation graphique
library(ggplot2)

# Graphique en barre - Nombre d'œuvres par pays
ggplot(data = nb_oeuvres_pays, 
       aes(x = reorder(ADM0_A3, -nb_oeuvres),
           y = nb_oeuvres, fill = ADM0_A3)) +
  geom_bar(stat = "identity") +
  ggtitle("Nombre d'œuvres de Johannes Vermeer exposées, par pays") +
  xlab("") +
  ylab("") +
  scale_fill_manual(values = c("#FC8D62", "#80B1D3"  ,"#E78AC3",
                               "#A6D854","#FFD92F","#E5C494",
                               "#FB8072","#BEBADA","#66C2A5",
                               "#FFFFB3","#8DA0CB")) +
  annotate(geom="text", 
           x = 9, y = 13, 
           label = "Une œuvre peut\navoir été exposée\ndans plusieurs pays" ) +
  theme(legend.position = "none")
Graphique 2 : Représentation histographique du nombre de peintures de Johannes Vermeer exposées dans différents pays au cours du temps


4.2 La ‘Dame assise au virginal’

Les données issues de la troisième requête SPARQL (‘data’) contiennent l’ensemble des localisations renseignées pour l’œuvre de Johannes Vermeer A Young Woman Seated at the Virginals (ou Dame assise au virginal en français). Nous allons donc réaliser un processus de nettoyage et de géoréférencement très semblable à celui de la partie précédente.

4.2.1 Nettoyage des données

Suppression des doublons :

data <- data[!duplicated(data$dated), ]


4.2.2 Géoréférencement

Géoréférencement des musées à partir de la variable ‘coord’ :

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(data$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
data_geo  <- st_as_sf(data, geometry)

# Affichage des données 
datatable(data_geo)

Plusieurs musées, comme le Ashmolean Museum, apparaissent plusieurs fois dans la table car l’œuvre y a fait plusieurs séjours. Nous effectuons un regroupement des expositions par musée.

# Regroupement par musée - Calcul du nombre total d'expositions
nb_expos_musee_geo <- data_geo |>
                        group_by(musee) |>
                        summarise(nb_expos=n())

Il est facile d’afficher ces données géographiques ponctuelles sur un fond de carte dynamique, en améliorant cette fois-ci la mise en page des pop-ups contenant les attributs de chaque musée.

# Popup content
content <- paste0( "<img  src='",
                   "http://commons.wikimedia.org/wiki/Special:FilePath/Vermeer%20-%20A%20young%20Woman%20seated%20at%20the%20Virginals.jpg",
                   "' width='180'><br /><b>",  
                   nb_expos_musee_geo$musee,
                   "</b><br />Nombre d'expositions de l'œuvre : <b>",
                   nb_expos_musee_geo$nb_expos,
                   "</b>")

# Carte
mapview(nb_expos_musee_geo,
        zcol = "musee",
        col.regions = "red",
        legend = FALSE,
        popup = content,
        map.types = "Esri.WorldImagery")
Carte 3 : Lieux d’exposition de l’œuvre A Young Woman Seated at the Virginals au cours du temps.


4.2.3 Enrichissement des données

De la même manière que dans la partie 4.1.5, nous enrichissons ces données en obtenant le pays de localisation de chaque musée. Pour cela, nous réalisons une jointure spatiale en utilisant la fonction st_intersection du package sf.

# Jointure spatiale points/pays
data_geo <-st_intersection(data_geo, monde[,"ADM0_A3"])

On vérifie que le code ISO3 du pays a bien été collecté pour chaque point (musée).


5 Trajectoire spatio-temporelle

Nous allons mainenant prendre en compte la dimension temporelle des données collectées, c’est à dire la période d’exposition du tableau A Young Woman Seated at the Virginals dans chaque musée, comme renseigné dans Wikidata.

5.1 Période d’exposition du tableau

Pour manipuler facilement le temps, nous commençons par convertir les dates d’arrivée et de départ de l’œuvre dans chaque musée en format de type date.

data_geo$datef <- as.Date(data_geo$datef)
data_geo$dated <- as.Date(data_geo$dated)

Il est ensuite simple de calculer le nombre de jours de présence dans un musée avec une soustraction. Nous sauvegardons ces valeurs (nombre de jours) dans une nouvelle colonne (‘duree’).

data_geo$duree <- as.integer(data_geo$datef  - data_geo$dated)

Le tableau a été exposé à deux reprises dans plusieurs musées. Nous calculons donc le nombre de jour total d’exposition du tableau par musée.

data_musee <- data_geo |>
                group_by(musee, ADM0_A3) |> 
                summarise(duree = sum(duree),
                          nb_expos = n())

Plusieurs informations collectées peuvent être cartographiées. Voici un exemple de carte interactive réalisée avec le package tmap, qui représente le nombre de jours d’exposition du tableau au cours du temps, à l’échelle des musées.

# Activation du mode de cartographie interactive
tmap_mode(mode = "view")

# Construction d'une carte en symbole proportionnel
tm_basemap() +

tm_shape(data_musee) +
tm_bubbles("duree",
           col = "ADM0_A3",
           scale = 9,
           border.col="white",
           alpha = 0.7,
           border.lwd=0.1,
           border.alpha=0.5,
           title.col="Pays d'exposition",
           id = "musee",
           popup.vars=c("Nombre total de jours :"="duree", 
                        "Nombre total de séjours :"="nb_expos"))
Carte 4 : Nombre total de jours d’exposition de l’œuvre A Young Woman Seated at the Virginals.


5.2 Carte temporelle animée

La carte précédente ne permet pas de rendre compte de la trajectoire spatio-temporelle de l’œuvre. Une carte animée représentant la localisation de l’œuvre au cours du temps permettrait de formaliser son déplacement dans l’espace et dans le temps.

Pour cela, nous devons dans un premier temps choisir un pas de temps. La période de temps analysée est de presque 20 ans et le tableau peut avoir été exposé dans deux musées différents au cours d’un même mois. Nous choisissons donc de construire une carte animée réglée sur un pas de temps hebdomadaire, ce qui laissera le temps aux lecteur·rice·s de lire les informations affichées.

Un partir de ce pas de temps, nous créons un data.frame où chaque ligne représente une semaine calendaire située entre le 8 mars 2001 et le 13 Janvier 2019 à l’aide de la fonction seq. Nous créons également des colonnes vides qui permettront de stocker l’ensemble des informations de localisation de l’œuvre pour chaque semaine.

data_semaine<- data.frame(semaine = seq(min(data_geo$dated), max(data_geo$datef), "week"),
                          musee = as.character(NA),
                          duree = as.integer(NA),
                          pays = as.character(NA),
                          geometry = NA)

Une boucle for permet de parcourir le tableau et d’obtenir les informations de localisation de l’œuvre si la date du premier jour d’une semaine ciblée data_semaine$week[i] est située entre une date d’arrivée et de départ dans le tableau data_geo. Si c’est le cas, on inscrit les informations du tableau data_geodans le tableau data_semaine.

for (i in 1:nrow(data_semaine)){

# Sélection des lignes où : Date d'arrivée <= week[i] <= Date de départ
temp <-   data_geo[data_geo$dated <= data_semaine$semaine[i] & data_geo$datef >= data_semaine$semaine[i], c("musee", "duree", "ADM0_A3", "geometry")]

# Si une ligne est sélectionnée, on l'ajoute dans l'objet 'data_semaine'
if (nrow(temp)==1){data_semaine[i,2:5] <- temp}

}

Nous modifions ensuite les valeurs restées manquantes, pour les semaines où la peinture n’a pas été exposée.

data_semaine <- data_semaine |>  
                    mutate(
                      # si musee non renseigné, remplace par "Emplacement inconnu"
                      musee=case_when(is.na(musee)~"Emplacement inconnu", TRUE~musee),
                      # si pays non renseigné, remplace par "pays ?"
                      pays=case_when(is.na(pays)~"pays ?", TRUE~pays),
                      # si duree non renseignée, remplace par 0
                      duree=case_when(is.na(duree)~0, TRUE~duree)
                      ) 

# Affichage du tableau
datatable(data_semaine)

Bien que ce tableau possède une colonne geometry, il s’agit en fait d’un data.frame. Nous le convertissons en objet sf (couche géographique).

data_semaine <-st_as_sf(data_semaine)

Les données sont prêtes pour créer une carte animée qui représente la localisation de l’œuvre pour chaque semaine calendaire de 2001 à 2019. Pour cela, nous utilisons le package tmap, son mode plot (cartographique statique), sa fonction tm_facet (génère plusieurs cartes en fonction d’une variable) et sa fonction tmap_animation pour créer une carte animée en format vidéo.

# Cartographie en mode statique  
tmap_mode(mode = "plot")

# Création d'une carte stockée dans l'objet CARTE
CARTE  <- tm_shape(monde) +                      # Ajout fond de carte monde
          tm_polygons(col = "grey70", 
                  border.col = "grey60", 
                  border.lwd = 0.2) +
          
          tm_shape(data_semaine) +               # Ajout des musées, mais...
          tm_symbols(col = "red") +              
  
          tm_facets(along = "semaine",           # Une carte / semaine grâce à tm_facet
                    free.coords= FALSE, 
                    drop.units=FALSE)  +
      
          tm_layout(main.title ="",              # Gestion du titre
                    panel.label.fontface = 2,
                    panel.labels = paste0("Semaine du ", format(x = data_semaine$semaine, format = "%d %b %Y" )),
                    bg.color="lightblue") +
    
          tm_credits(bg.color = 'red',           # Affichage Nom des musées et Nombre de jours d'exposition
                     width = 0.5,
                     position = c('center', 'bottom'),
                     text = paste0(data_semaine$musee," (",data_semaine$pays,")\n",data_semaine$duree, " jours d'exposition"),
                     size = 1.2,
                     fontface = "bold",
                     col = 'white',
                     align = 'center')

Avec la fonction tm_facet, ce bout de code crée autant de cartes qu’il y a de lignes dans le tableau data_semaine.

Il est ensuite très facile de convertir cet objet list qui contient l’ensemble des cartes produites en fichier mp4 avec la fonction tmap_animation. Attention, la création d’un GIF ou d’une vidéo peut prendre plusieurs minutes.

# install.packages("av")
tmap_animation(tm = CARTE, 
               filename = "figures/peinture_en_voyage.mp4", 
               width=800, 
               height = 400, 
               fps = 10,                  # images par seconde
               outer.margins = 0)

Voilà le résultat !

Carte 5 : Carte animée de circulation de l’œuvre de Johannes Vermeer A Young Woman Seated at the Virginals au sein de divers lieux d’exposition entre 2001 et 2019

6 Frise chronologique

Bien que la carte animée soit une représentation techniquement aboutie, elle ne transmet pas efficacement les informations sur la trajectoire spatio-temporelle du tableau de Johannes Vermeer au monde des musées. Une représentation statique et axée sur la dimension temporelle, comme une frise chronologique, nous semblerait plus appropriée.

Il existe des packages spécialisés dans la construction de frise chronologique, comme par exemple vistime. Cependant, afin de s’assurer d’une certaine liberté pour la mise en forme de la frise, nous utilisons le package ggplot2 pour concevoir et construire cette représentation graphique.

6.1 Préparation des données

Une mise en forme des données est nécessaire pour construire ce type de frise chronologique avec ggplot2. Par exemple, le tri des données est important pour gérer l’ordre d’apparition des individus et des modalités sur le graphique.

Tri du tableau en fonction de la date (‘dated’) d’arrivée dans chaque musée.

data_geo <- data_geo[order(data_geo$dated, decreasing = FALSE), ] 

Tri d’ordre d’apparition des modalités (levels) pour les variables ‘nomLabel’ (= ‘musee’) et ‘ADM0_A3’ (= ‘pays’) que l’on transforme en factor.

# Tri des "levels" des musées en fonction de l'ordre d'apparition dans la table 'data_geo' 
data_geo$musee <- ordered(as.factor(data_geo$nomLabel), levels = unique(data_geo$nomLabel))

# Tri des "levels" des pays en fonction de l'ordre d'apparition dans la table 'data_geo' 
data_geo$pays <- ordered(as.factor(data_geo$ADM0_A3), levels = unique(data_geo$ADM0_A3))

Nous créons une nouvelle colonne qui sera utilisée comme étiquette dans le graphique. Dans cette colonne, les noms des musées n’apparaissent qu’une fois, uniquement pour la première exposition.

# Sélection des premières dates d'arrivée (si il en existe plusieurs) pour chaque musée
fisrt_expo <- data_geo[!duplicated(data_geo$nomLabel), c("nomLabel", "dated")]

# Suppression de la colonne géométrie pour réaliser une jointure
fisrt_expo <- st_drop_geometry(fisrt_expo)

# Jointure par la date d'arrivée - ajout de la colonne label (nomLabel.y)
data_geo <- merge(data_geo, fisrt_expo, by="dated", all.x=TRUE)

Tableau de données après traitement (extrait) :


6.2 Construction graphique

6.2.1 Utilisation des fonctions ggplot() et geom_segement()

Les variables utilisées pour l’axe des abscisses (x) et des ordonnées (y) sont définies comme suit dans la fonction ggplot :

  • X = ‘dated’ : date d’arrivée dans le musée ;
  • y = ‘nomLabel.x’ : nom du musée (label unique).
ggplot(data_geo, aes(x = dated, y = musee))


La bibliothèque ggplot2 fonctionne avec une syntaxe particulière (basée sur la grammaire graphique). Il est possible d’ajouter des éléments de mise en forme du graphique au fur et à mesure.

Nous commençons par préciser le type de géometrie (ici geom_segment) et les variables à représenter :

  • color = ‘ADM0_A3’ (code ISO3) : pays de localisation ;
  • xend = ‘datef’ (date de fin) : limite du segment en x ;
  • yend = ‘nomLabel.x’ (nom du musée) : limite du segment en y.
# Construction de 'segments' entre la date d'arrivée (dated) et de départ (datef)
ggplot(data_geo, aes(x = dated, y = musee, color = pays)) +
  geom_segment(aes(xend = datef, yend = musee, color =  pays), size = 6)

Nous assignons le résultat dans un objet :

Mon_graph <- ggplot(data_geo, aes(x = dated, y = musee, color = pays)) +
                geom_segment(aes(xend = datef, yend = musee, color =  pays), size = 6)


6.2.2 Couleurs, étiquettes et thème

Maintenant que la base du graphique a été réalisée, nous pouvons procéder à l’amélioration de sa mise en forme en plusieurs étapes :

  1. ajout des labels avec la fonction geom_text ;
  2. modification de la palette de couleurs avec la fonction scale_color_manual ;
Mon_graph <-  Mon_graph +
              # Ajout d'une étiquette pour chaque segment représenté
              geom_text(aes(label = nomLabel.y, hjust =1.05), size = 3.5, show.legend = FALSE) +
              # Modification de la palette de couleurs (ADM0_A3)
              scale_color_manual(values = c("#7570b3", "#e7298a", "#66a61e", "#e6ab02", "#a6761d","#1b9e77", "#d95f02"))

# Affichage du résultat
Mon_graph

Puis, à l’aide des fonctions scale_x_date labs et theme :

  1. modification de l’axe des abscisses (intervalle des valeurs et étiquettes à afficher) ;
  2. ajout d’un titre et d’un sous-titre ;
  3. paramétrage de plusieurs éléments du ‘thème’ (repère, légende, axes, couleur de fond…).
Mon_graph <- Mon_graph +
  
              # Modification de l'axe des abscisses
              scale_x_date(date_labels = "%Y", date_breaks = "2 year", minor_breaks = "1 year",
                           limits = c(as.Date("1994-01-01"),as.Date("2019-01-13")) ) +
  
              # Ajout d'un titre et d'un sous-titre
              labs(title = "Le voyage d'un tableau de Johannes Vermeer",
                   subtitle = "Aux pays des musées, de 2001 à 2019") +
  
              # Paramétrage du 'thème'
              theme(panel.grid.major.y = element_blank(),
                    panel.grid.major.x = element_line(size = 0.2, colour = "#707073"),
                    panel.grid.minor.x = element_line(size = 0.2, linetype = 3, colour = "#707073"),
                    panel.border = element_blank(),
                    panel.background = element_blank(),
                    axis.text.y = element_blank(),
                    axis.text.x = element_text(size=8.5, colour = "#FFFFFF"),
                    axis.title = element_blank(),
                    rect = element_rect(fill = "#2a2a2b"),
                    legend.position =  c(.93, .25),
                    legend.key = element_rect(fill  = "#2a2a2b"),
                    legend.key.height = unit(0.4, 'cm'),
                    legend.background = element_rect(fill  = "#2a2a2b"),
                    legend.margin = margin(0.5,1,1,1),
                    legend.title = element_blank(),
                    legend.text = element_text(colour = "#FFFFFF",  size = 7),
                    title = element_text(colour = "#FFFFFF", hjust = 1, vjust = 0),
                    plot.margin=unit(c(1,1,0.5,1),"cm"))


Mon_graph


6.2.3 La touche finale !

Pour terminer la mise en forme de cette frise chronologique, l’illustration du tableau et son intitulé sont superposés au graphique. Les bibliothèques jpeg et patchwork nous permettent d’importer, puis d’insérer une image sur la représentation graphique.

Import de l’image du tableau dans R

library(jpeg)
img <- readJPEG("data/images/Q4660880.jpg", native = TRUE)

Superposition de l’image et de la représentation graphique

library(patchwork)

Mon_graph +
  
  # Titre de l'image
  annotate("text", 
           x = as.Date("1997-03-01"), 
           y = 7, 
           colour = "#FFFFFF", 
           size = 3.4,
           label = "Young Woman Seated\nat a Virginal  (1670)") +
  
  # Insertion de l'image
  inset_element(p = img, 
                clip = TRUE, 
                left = 0.04, 
                right = 0.27, 
                top = 0.95, 
                bottom = 0.46)

Graphique 4 : Trajectoire spatio-temporelle du tableau A Young Woman Seated at the Virginals au pays des musées, entre 2001 et 2019


7 À vous d’explorer !

Nous vous proposons d’explorer vous-mêmes le contenu des données Wikidata. Le bout de code ci-dessous peut être adapté à n’importe quel·le artiste peintre renseigné·e dans Wikidata. Il suffit de modifier l’identiant de l’artiste assigné·e dans l’objet ID et son nom dans l’objet NOM.

Vous pouvez retrouver l’identifiant Wikidata d’un·e artiste peintre sur la page Wikidata. Indiquez le nom de l’artiste peintre dont vous souhaitez localiser les œuvres dans le champ de recherche. Veillez à bien récupérer l’identifiant correspondant à l’entité ‘artiste’.

7.1 Code reproductible

Voici quelques exmples d’artistes peintres que vous pouvez requêter :

#-------------------------------------------------------------------------------------------------#
#                                                                                                 #
#                                   Exploration spatio-temporelle                                 #
#                                 de l'exposition des œuvres de ???                               #
#                                         Selon Wikidata                                        #
#                                                                                                 #
#-------------------------------------------------------------------------------------------------#    

#--------------------------------------- PACKAGES NECESSAIRES ------------------------------------#

# install.packages("WikidataQueryServiceR")
# install.packages("sf")
# install.packages("rnaturalearth")
# install.packages("ggplot2")
# install.packages("tmap")


######################################### CHOIX DE L'ARTISTE ######################################

ID <- "Q5593"
NOM <- "Pablo Picasso"


#---------------------------------------------- REQUETE ------------------------------------------#

# Construction de la requête SPARQL avec l'identifiant (ID) indiqué
 #- Définir les données interrogées
 donnees_interrogees <- paste(nom_id_oeuvre,nom_id_lieu,val_pointxy)
 #- Définir les chemins du graphe
 entite_peintre <- paste0(prefixe_entite,ID)
 chemin_peintre <- paste(id_oeuvre,predicat_creepar,entite_peintre)
query <-  paste("SELECT",donnees_interrogees,"WHERE {",service,chemin_peintre,".","OPTIONAL {",chemin_lieu,".",chemin_coord,"}","}")


library(WikidataQueryServiceR)
my_data <- query_wikidata(query)


#----------------------------------------- NETTOYAGE DONNEES -------------------------------------#

# Suppression des doublons
my_data <- my_data[!duplicated(my_data$oeuvreLabel), ]

# Suppression entités (musées et institutions) sans coordonnées renseignées
my_data <- my_data[!is.na(my_data$coord), ]


#-------------------------------------- REGROUPEMENT PAR MUSEE -----------------------------------#

nb_oeuvre <- aggregate(oeuvreLabel ~ coord + museeLabel, data = my_data, FUN = length)

colnames(nb_oeuvre)[3] <- "nb_oeuvre"

#----------------------------------------- GEOREFERENCEMENT --------------------------------------#


# Chargement de la librairie sf
library(sf)

# Création d'objets géographiques ponctuels à partir des coordonnées stockées en WKT
geometry <- st_as_sfc(nb_oeuvre$coord, crs = 4326)

# Création d'une couche géographique vectorielle (attributs des musées + géométries)
nb_oeuvre_by_museum <- st_as_sf(nb_oeuvre, geometry)



#------------------------------- ENRICHISSEMENT - JOINTURE SPATIALE -----------------------------#

#### Import de la couche géographique des pays

library(rnaturalearth)
monde <- ne_download(scale = "medium",
                     type = "countries",
                     category = "cultural",
                     destdir = "data/world",
                     load = TRUE,
                     returnclass = "sf")



#### Jointure spatiale
nb_oeuvre_by_museum <-st_intersection(nb_oeuvre_by_museum , monde[,"ADM0_A3"])


#---------------------------------- GRAPHIQUE NOMBRE ŒUVRES PAR PAYS ----------------------------#

#### Regroupement par pays 

by_country <- aggregate(nb_oeuvre ~ ADM0_A3 , data = nb_oeuvre_by_museum, FUN = sum)


#### Graphique 

library(ggplot2)
ggplot(data = by_country, aes(x = ADM0_A3, y = nb_oeuvre) )  +
  geom_bar(stat="identity") +
  ggtitle(paste0("Nombre d'œuvres de ", NOM ,", par pays")) +
  xlab("") +
  ylab("") +
  theme(legend.position = "none",
        axis.text.x = element_text(size=8),
        axis.text.y = element_text(size=11))


#----------------------------- CARTOGRAPHIE - NOMBRE ŒUVRES PAR MUSEE ---------------------------#

library(tmap)
tmap_mode(mode = "view")
tm_shape(nb_oeuvre_by_museum) +
tm_symbols(size="nb_oeuvre",
           scale = 2,
           col="red3",
           border.col="white",
           alpha =0.5,
           border.lwd=0.1,
           border.alpha=0.5,
           title.size = "Nb d'œuvres",
           id = "museeLabel",
           popup.vars=c("Nombre d'œuvres"="nb_oeuvre"))


7.2 Données et graphiques produits

Voici un exemple des données et graphiques produits avec l’artiste peintre et graveur norvégien Edvard Munch, ayant pour identifiant Wikidata : Q41406.

ID <- "Q41406"
NOM <- "Edvard Munch"

Dans un premier temps, le code permet de collecter l’ensemble des œuvres créees par l’artiste, ainsi que leurs localisations associées via une requête SPARQL. Voici par exemple les données collectées pour Edvard Munch :

Les données sont ensuite nettoyées des doublons et des œuvres qui ne sont jamais associées à des coordonnées géographiques précises, puis regroupées par musée :

Les musées sont alors géoréférencés, ce qui permet de réaliser une jointure spatiale avec une couche géographique des pays, et ainsi d’obtenir leur pays de localisation. Le code produit également une représentation graphique de la répartition des expositions des œuvres par pays :

Enfin, le code construit une carte interactive représentant le nombre d’œuvres exposées par musée :

Carte 6 : Nombre d’œuvres d’Edvard Munch exposées par musée au cours du temps


8 Conclusion - Enjeux interdisciplinaires

L’exemple de visualisations (distant reading) d’une trajectoire spatio-temporelle en histoire à partir de données collectées sur Wikidata propose ainsi de questionner les données utilisées (non supervisées).

Notamment la circulation de l’œuvre fait apparaître des espaces spatio-temporels où celle-ci est absente des lieux d’exposition. Ce constat engage à ré-interroger les données et le modèle associé. Par exemple, sur la période antérieur à 2004, l’étude de la donnée permet d’identifier la propriété P195 collection qui identifie la collection à laquelle appartient l’œuvre. Le lien hypertexte servant de référence à cette donnée (à savoir la propriété P195 collection appliquée à Q4660880 instanciée par Leiden Collection) donne alors accès aux informations de transfert de propriété en 2004 des héritiers du Baron Frédéric Rolin (Bruxelles) à un américain Steve Wynn qui lui-même la cède la même année à la société Otto Naumann Ltd. (New York), qui fait entrer l’œuvre dans son catalogue au sein de la Leiden Collection.

Le notebook sert de support du dialogue entre plusieurs disciplines, ici, l’histoire, la géographie et l’ingénierie des connaissances. Le notebook est aussi le lieu d’un processus collaboratif productif de connaissances (synchrone ou asynchrone), devient un outil pédagogique - par la formation par la recherche grâce à sa transformation en fiche rzine et est susceptible de servir de méthodologie (ou “fil directeur”) reproductible d’un processus similaire pour d’autres problématiques.

Bibliographie

HUI, Yuk, 2015. Induction, Deduction and Transduction: On the Aesthetics and Logic of Digital Objects. In : Networking Knowledge: Journal of the MeCCSA Postgraduate Network [en ligne]. 2015. Vol. 8, n° 3. [Consulté le 21 décembre 2022]. Disponible à l'adresse : https://www.academia.edu/12788303/Induction_Deduction_and_Transduction_On_the_Aesthetics_and_Logic_of_Digital_Objects.
WIKIPÉDIA, 2021. Wikidata — Wikipédia, l’encyclopédie libre [en ligne]. 2021. S.l. : s.n. Disponible à l'adresse : http://fr.wikipedia.org/w/index.php?title=Wikidata&oldid=186068284.
WIKIPÉDIA, 2022. SPARQL — Wikipédia, l’encyclopédie libre [en ligne]. 2022. S.l. : s.n. Disponible à l'adresse : http://fr.wikipedia.org/w/index.php?title=SPARQL&oldid=194953405.

Annexes

Info session

setting value
version R version 4.3.0 (2023-04-21)
os Ubuntu 22.04.2 LTS
system x86_64, linux-gnu
ui X11
language (EN)
collate fr_FR.UTF-8
ctype fr_FR.UTF-8
tz Europe/Paris
date 2023-07-05
pandoc 2.19.2 @ /usr/lib/rstudio/resources/app/bin/quarto/bin/tools/ (via rmarkdown)
package ondiskversion source
dplyr 1.1.2 CRAN (R 4.3.0)
DT 0.27 CRAN (R 4.3.0)
ggplot2 3.4.2 CRAN (R 4.3.0)
glitter 0.1.0 Github ()
jpeg 0.1.10 CRAN (R 4.3.0)
mapview 2.11.0 CRAN (R 4.3.0)
patchwork 1.1.2 CRAN (R 4.3.0)
rnaturalearth 0.3.3 CRAN (R 4.3.0)
sf 1.0.12 CRAN (R 4.3.0)
tmap 3.3.3 CRAN (R 4.3.0)
WikidataQueryServiceR 1.0.0 CRAN (R 4.3.0)
WikidataR 2.3.3 CRAN (R 4.3.0)

Citation

KRUMMEICH R, PECOUT H, REY-COYREHOURCQ S (2022). “Spatio-temporal, Wikidata, exploration de données collaboratives du web 3.0.”, doi:10.48645/xxxxxx https://doi.org/10.48645/xxxxxx,, https://rzine.fr/publication_rzine/xxxxxxx/.

BibTex :

@Misc{,
  title = {Spatio-temporal Wikidata, exploration de données collaboratives du web 3.0},
  subtitle = {Histoire de cadre : élaboration d’une trajectoire spatio-temporelle},
  author = {Raphaëlle KRUMMEICH and Hugues PECOUT and Sébastien REY-COYREHOURCQ},
  doi = {10.48645/xxxxxx},
  url = {https://rzine.fr/publication_rzine/xxxxxxx/},
  keywords = {FOS: Other social sciences},
  language = {fr},
  publisher = {FR2007 CIST},
  year = {2022},
  copyright = {Creative Commons Attribution Share Alike 4.0 International},
}


Glossaire


  1. DBpedia est une ontologie permettant de traduire Wikipedia en dépôts de données définis dans le cadre de description des ressources du standard Ressources Description Framework (RDF) du World Wide Web Consortium1 (W3C)↩︎

  2. Le Web de données (linked data, en anglais) est une initiative du World Wide Web Consortium2 visant à favoriser la publication de données structurées sur le Web, non pas sous la forme de silos de données isolés les uns des autres, mais en les reliant entre elles pour constituer un réseau global d’informations.↩︎

  3. Un triplet est un groupe formé par trois éléments dont chacun appartient à un ensemble distinct.↩︎

  4. Un URI (Uniform Resource Identifier, en français Identifiant unique de ressource) est une chaîne qui fait référence à une ressource. Les plus courantes sont les URL, qui identifient une ressource en donnant son emplacement sur le Web. Au contraire, les URN font référence à une ressource grâce à son nom, dans un environnement donné, par exemple le code ISBN d’un livre.↩︎

  5. acronyme récursif qui signifie SPARQL Protocol And RDF Query Language (Wikipédia (2022)). Plusieurs langages de requête destinés à interroger les graphes RDF ont été développés, mais le langage SPARQL est développé par le W3C de sorte à devenir un standard.↩︎

  6. Un préfixe est une modalité de simplification d’écriture faisant référence à un espace de noms, voir notamment, les préfixes Wikidata↩︎

  7. Le géoréférencement est l’un des principes fondamentaux des systèmes d’information géographiques (SIG) et de la cartographie assistée par ordinateur (CAO). Un objet géographiques est référencé lorsque l’on lui attribut une localisation (coordonnées géographiques) et une forme (géométrie : point, ligne ou surface).↩︎

  8. Le format Well-known text, abrégé en WKT, peut se traduire par « texte bien lisible ». C’est un format standard en mode texte utilisé pour représenter des objets géométriques vectoriels issus des systèmes d’informations géographiques (SIG), mais aussi des informations s’y rattachant, tels les références de systèmes de coordonnées.↩︎

  9. Un système de coordonnées est un référentiel dans lequel on peut représenter des éléments dans l’espace. Ce système permet de se situer sur l’ensemble du globe terrestre grâce à un couple de coordonnées géographiques.↩︎


licensebuttons cc